Question

我在数据帧中有两个字符串列，我想从A中减去B中的常用词。

A ->  Stack Overlflow is great            


B -> stack great


A-B -> overflow is

我尝试了以下代码。但是，只有在B列只有一个字的情况下，它才起作用。

df['A-B'] = [' '.join(set(a.split())-set(b.split())) for a, b in zip(df['A'], df['B'])]

我有什么可以改变的，以便当B有多个单词时可以使用？

Answer 1

您可以使用np.setdiff1d()：

df['A-B']=df.apply(lambda x: ' '.join(np.setdiff1d(x['A'].lower().split(),
                                        x['B'].lower().split())),axis=1)
print(df)

                          A            B           A-B
0  Stack Overlflow is great  stack great  is overlflow

您的解决方案快到了，只需在压缩它们时添加series.str.lower()：

df['A-B']=[' '.join(set(a.split())-set(b.split())) 
        for a, b in zip(df['A'].str.lower(), df['B'].str.lower())]

如果系列中有重复的字符串，请使用OrderedDict，这有助于将重复项删除为set()，但也要保持顺序：

df = pd.DataFrame({'A': ['Stack Overlflow is great is great'], 'B': ['stack great']})
                                  A            B
0  Stack Overlflow is great is great  stack great

from collections import OrderedDict
df['A-B']=[' '.join([ele for ele in OrderedDict.fromkeys(a) if ele not in b ])
 for a,b in zip(df.A.str.lower().str.split(),df.B.str.lower().str.split())]
print(df)

                                   A            B           A-B
0  Stack Overlflow is great is great  stack great  overlflow is

Answer 2

示例df是：

>>> df = pd.DataFrame({'A': ['Stack Overlflow is great'], 'B': ['stack great']})

您可以使用apply：

>>> df['A-B'] = df.apply(lambda x: ' '.join([i for i in x[0].split() if i.lower() not in x[1].split()]), axis=1)
>>> df
                          A            B           A-B
0  Stack Overlflow is great  stack great  Overlflow is
>>>

Answer 3

试试这个衬垫：

' '.join(list(set(list(df.A.str.lower().str.split(' '))[0])-set(list(df.B.str.lower().str.split(' '))[0])))

只需将两个列值都转换为小写并按空格分割，然后将其放入列表中，然后获取一组这些列表并按空格将它们连接起来。

在熊猫数据框中减去Col A-Col B

3 个答案: